基于LSTM网络的短期负荷预测

• 作者: 丁津津 张倩 徐斌 王璨 陈洪波 马愿
• 来源期刊: 电工技术
• 学科: 工学
• 关键词: 负荷预测 深度学习 LSTM神经网络 BP神经网络
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 理论研究
• 页码范围: 27-29
• 页数: 3页
• 分类号: TM734
• 字数: 1360字
• 语种: 中文

摘要

提出一种基于深度学习的LSTM的短期电力负荷预测方法,以减小负载预测模型所需的数据量的维度大小.基于某地电力公司的历史负荷数据,对比LSTM神经网络预测结果与BP神经网络算法预测结果,验证了所提算法的预测精度更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐斌	国网安徽省电力有限公司电力科学研究院	23	42	3.0	5.0
2	丁津津	国网安徽省电力有限公司电力科学研究院	19	54	5.0	6.0
3	张倩	安徽大学电气工程与自动化学院	32	77	6.0	7.0
4	马愿	安徽大学电气工程与自动化学院	3	0	0.0	0.0
5	陈洪波	国网安徽省电力有限公司电力科学研究院	1	0	0.0	0.0
6	王璨		4	0	0.0	0.0